NEWS

Subpage Hero

Subpage Hero

Use the featured image to change the subpage hero.

09 avr. 2021

INTERVIEW - Raphaël Savy, Vice-Président Europe du Sud, Alteryx

Automatisation des processus analytiques, démocratisation de la donnée, culture de l’analytique et déploiement de l’intelligence artificielle… Raphaël Savy, Vice-Président Europe du Sud @Alteryx a répondu à nos questions.  

 

Bonjour Raphaël, les entreprises sont bien conscientes du fort potentiel de la data analytics, pourtant beaucoup d’entre-elles ont encore de fortes difficultés à extraire de la valeur de leurs données. Comment peut-on expliquer ce décalage ? Quels sont les principaux freins qui subsistent ? 

Il ne fait aucun doute que les données sont devenues l'élément vital de l'entreprise moderne. Les entreprises de toutes tailles - des TPE aux grands groupes - doivent désormais en savoir plus et être en mesure de prévoir davantage ce qui peut et va se produire, d'un point de vue stratégique et opérationnel. Collecter des données est une chose ; les assimiler, les comprendre et les transformer en une avancée majeure en est une autre. Pour ceux qui n'ont guère plus que des feuilles de calcul traditionnelles pour les aider, c'est un travail énorme.

En moyenne, les travailleurs de la donnée exploitent plus de six sources de données, 40 millions de lignes de données et sept sorties différentes tout au long de leur parcours analytique. Les systèmes auxquels les organisations ont actuellement accès sont, pour la plupart, inefficaces lorsqu'il s'agit de données. Ce n'est pas parce qu'ils sont incapables de fournir des informations, mais plutôt parce qu'ils sont souvent trop compliqués à utiliser pour la plupart des employés. Les fonctions des feuilles de calcul sont souvent utilisées comme substitut aux outils de préparation des données, d'analyse et de développement d'applications de données, mais elles sont sujettes aux erreurs et exposent l'organisation à des problèmes de conformité et de fiabilité.

Aujourd'hui, plus que jamais, les entreprises et leurs dirigeants doivent être en mesure de dégager des tendances très rapidement, ce qui signifie que les erreurs sur les systèmes existants deviennent encore plus régulières. Le paysage des données devenant de plus en plus complexe et les tâches liées aux données devant être accomplies avec précision, les dirigeants doivent désormais investir dans des processus plus robustes. Les systèmes conçus spécifiquement pour l'analyse des données peuvent répondre à ce besoin.

Il est essentiel de donner à votre personnel les bons outils. En utilisant une plateforme dotée d'outils en libre-service permettant aux employés d'automatiser les processus analytiques, le travail manuel qui ralentit la résolution des problèmes est éliminé. Ils peuvent ainsi obtenir les informations stratégiques dont ils ont besoin de la manière la plus efficace possible. Cette démocratisation permet à chacun de se lancer dans l'analyse des données, quel que soit son niveau d'expertise. La main-d'œuvre est en mesure d’aller au-delà de la prise de décision à l’échelle humaine et d'utiliser l'analyse prédictive pour exploiter la puissance cachée dans des milliers de sources de données et de processus disparates afin de prendre des décisions à plus forte valeur ajoutée. Ils sont en mesure de découvrir des informations exploitables et de promouvoir l'automatisation des processus d'entreprise. 

Il est également important de reconnaître l'élément humain. Pour favoriser une culture de l'analytique, il faut participer à la communauté au sens large et découvrir comment d'autres entreprises ont utilisé l'analytique pour résoudre des problèmes similaires. Si la culture de votre entreprise n'adopte pas cette approche centrée sur l'humain, quelles que soient la technologie et les données dont vous disposez, il vous sera difficile de combler le fossé numérique et de rester compétitif. 

 

Chez Alteryx, vous proposez un outil d’automatisation des processus analytiques. Pouvez-vous nous en dire plus ? Quels avantages présente cette plateforme ? 

La plateforme APA d'Alteryx offre aux entreprises une expérience unifiée, centrée sur l'humain, qui automatise l'accès aux données, à l'analytique, à la Data Science et à l'automatisation des processus, le tout dans une plateforme unique de bout en bout - faisant converger les données, les processus et les personnes.

Avec plus de 260 modules d'automatisation, la plateforme APA d'Alteryx offre aux entreprises une solution intégrée qui unifie l'ensemble du continuum analytique, permettant des analyses en libre-service et des actions automatisées. Cette plateforme sans code et conviviale est conçue pour mettre l'automatisation entre les mains de tous les travailleurs des données ; elle peut automatiser les pipelines d'analyse et de Data Science, gérer des processus métier complexes centrés sur les données et fournir aux parties prenantes des informations exploitables.

Le principal avantage d’APA est la démocratisation des données pour les personnes de l'entreprise.  La plate-forme APA permet d'obtenir des résultats plus rapides car, en fin de compte, si vous pouvez mettre une plate-forme facile à utiliser entre les mains d'un plus grand nombre de personnes, vous êtes en mesure de résoudre un plus large éventail de questions qui, une fois regroupées, ont un impact financier plus significatif sur l'entreprise. Avec la plateforme d'automatisation des processus analytiques (APA) d'Alteryx, une transformation rapide et efficace n'est plus un effort nécessitant beaucoup d’investissement.

Les entreprises obtiennent des résultats transformateurs en quelques jours ou quelques semaines, et des employés et partenaires commerciaux très engagés sont à l'origine d'une augmentation des effectifs dans toutes les organisations. Cette plateforme centrée sur l'humain transforme la façon dont les entreprises exploitent leurs données, optimisent leurs processus et améliorent les compétences de leurs employés afin de générer des gains d'efficacité, une croissance du chiffre d'affaires ainsi qu’une optimisation des coûts.

 

Lors de notre Sommet virtuel, vous avez participé à une table ronde sur les enjeux liés au déploiement de l’IA à l’échelle. La crise sanitaire a-t-elle donné un coup d’accélérateur à la feuille de route IA des entreprises ?

Les entreprises du monde entier investissent des dizaines de milliards de dollars dans l'intelligence artificielle (IA) et le Machine Learning (ML) – et pour de bonnes raisons. Ces technologies ont un réel potentiel de transformation des entreprises - le récent rapport Enter the Age of Analytics de Gartner prévoit que d'ici 2023, l'IA et les techniques de deep learning seront les deux approches les plus courantes pour les nouvelles applications de la Data Science.

Dans le contexte de la crise sanitaire mondiale, les trois applications riches en données - IA, ML et analytique - offrent aux entreprises un avantage crucial : de précieuses informations sur les données. Cette affirmation peut sembler évidente, mais c'est la vérité. Aujourd'hui, avec de vastes quantités de données structurées et non structurées siégeant dans des organisations entières, presque tout est devenu un problème de données - préparer les employés pour le retour au travail, concevoir des magasins de détail pour répondre aux exigences de distanciation sociale, répondre à la demande des consommateurs là où elle émerge, et même assurer le profit une fois que les restaurants et les bars rouvriront. L'analytique peut avoir un impact considérable, non seulement en mettant au jour des informations, mais aussi en améliorant considérablement la capacité d'une organisation à prendre des décisions opportunes et contextuelles qui conduisent à des résultats plus rapides et plus compétitifs.

Néanmoins, malgré les promesses, peu d'entreprises ont réussi à mettre en œuvre et à déployer cette technologie dans le cadre de leur stratégie globale de données et d'analyse. Selon Gartner, 46 % des DSI ont élaboré des plans de déploiement de l'IA, mais seuls 4 % ont concrétisé ce concept.

 

Quels conseils donneriez-vous à une entreprise qui souhaite mettre en place une stratégie IA efficace ?

La vérité est que si l'on n'amplifie pas d'abord l'intelligence humaine en améliorant les compétences des employés pour qu'ils puissent mieux comprendre les idées dérivées des données et leur donner les moyens d'analyser les données afin de contribuer à des décisions commerciales bien informées, il faudra des années avant que de nombreuses organisations réalisent le véritable potentiel de l'IA et du ML. Mais il n'est jamais trop tôt pour poser les bases d'un avenir axé sur l'IA. De fait, si une organisation ne réfléchit pas déjà à ce à quoi ressemble une stratégie d'IA, ses concurrents ont probablement une longueur d'avance. Il n'y a pas de temps à perdre.

Les organisations doivent penser à quatre choses lorsqu'il s'agit d'une stratégie de données à l'épreuve du temps : Quelles sont les données disponibles au sein de mon organisation ? Quelles sont les données que nous devons acquérir en externe pour se différencier ? Nos données sont-elles disponibles de manière à pouvoir être facilement exploitées par le ML et l'IA ? Et - ce qui est peut-être le plus important : où pouvons-nous améliorer les compétences de notre secteur d'activité, qu'est-ce qui nécessite un savoir-faire pur en matière de Data Science et d'IA et qu'est-ce que l'informatique peut gérer ? Les réponses à ces questions devraient servir de base à votre stratégie.

L’IA et le ML vont sans aucun doute bouleverser le monde des affaires et la vie telle que nous la connaissons dans les années à venir. C'est ici que nous devons nous rappeler que l'IA ne peut à elle seule résoudre aucune crise. Et, comme nous le rappelle le Forum économique mondial : l'apport humain est essentiel, nous devons donc combler les lacunes en matière de compétences.

Il est de plus en plus demandé à tout travailleur des données, quelle que soit son acumen technique, d'en faire plus avec les données. Les organisations doivent par ailleurs chercher des moyens d'améliorer les compétences, de construire des modèles de manière compréhensible et transparente ainsi que, d'une manière générale, combler les écarts de compétences au sein de l'organisation. Étant donné que la conception de données d'IA nécessite un "langage de données" pour aider à construire des flux de travail, les organisations doivent mettre en œuvre des technologies qui automatisent la préparation des données, la découverte d'idées et la Data Science, tout en communiquant les actions aux rôles ayant moins de connaissances en IA.

 

La fraude est un risque permanent pour le secteur financier. Comment l’IA peut-elle concrètement aider à lutter contre celle-ci ?

La fraude existe dans de nombreuses organisations mais peut être difficile à identifier. Le problème est que l'absence d'une analyse solide peut empêcher de nombreuses organisations et assureurs d'analyser les données pour identifier plus rapidement les fraudes potentielles.

L'analyse prédictive avancée est un outil crucial pour atténuer les risques, gérer la volatilité et compenser les risques liés à la fraude. Par exemple, les organisations reçoivent des milliers de factures, et selon la détection des anomalies, celles-ci peuvent passer inaperçues. C'est là que l'analyse de données en libre-service devient un avantage concurrentiel clé. Grâce à l'analyse prédictive et à l'analyse des ensembles, la plate-forme APA d’Alteryx peut permettre à l'équipe chargée des comptes fournisseurs d'identifier les factures potentiellement frauduleuses en vue d'un audit plus approfondi.

Compte tenu des grands ensembles de données du secteur financier actuel, l'IA et le ML peuvent être formés pour analyser les modèles de transaction des particuliers et des entreprises. Lorsque l'IA et le ML sont intégrés à l'infrastructure d'information, les exceptions peuvent alors être immédiatement signalées pour une enquête humaine. Une étude plus approfondie peut alors déterminer si les transactions signalées sont de faux positifs, de bonnes transactions qui sortent des paramètres attendus, ou de vrais positifs découverts rapidement.

Les entreprises ne peuvent plus se permettre de laisser le Machine Learning en dehors de leur arsenal de détection des fraudes. Le ML peut rapidement détecter des anomalies dans les données qui pourraient indiquer une fraude, donnant aux analystes la liberté de creuser plus profondément dans les données, ce qui, à son tour, a le potentiel de réduire considérablement les pertes financières des entreprises.

Si seulement quelques événements inhabituels peuvent indiquer à un système ML qu'il pourrait y avoir une fraude, les humains peuvent être avertis par le système au début de la tentative de fraude, empêchant les pertes désormais identifiées. L'analyse du grand volume de données existantes est importante pour arrêter les pertes et lancer le processus de récupération, mais l'analyse prédictive par ML peut arrêter les pertes beaucoup plus tôt, ce qui permet à l'entreprise de réaliser des économies importantes.

View all NEWS
Loading

Sponsors

SPONSOR THÉATRE 2023


 

Sponsor Silver 2023


 

EXPOSANT 2023


 

EXPOSANT 2023


 

EXPOSANT 2023


 

EXPOSANT 2023


 

EXPOSANT 2023


 

Sponsor Conférence


 

Sponsor Conférence


 

Partners

Partenaire Officiel

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

Partenaire Média


 

Partenaire Média


 

Partenaire Média


 

Partenaire Média


 

Partenaire Média


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA

PARTENAIRE MÉDIA




 

PARTENAIRE MÉDIA


 

PARTENAIRE MÉDIA



 

PARTENAIRE MÉDIA




 

PARTENAIRE MÉDIA




 

PARTENAIRE MÉDIA-




 

Inscription à la newsletter